pandas进阶教程之Dataframe的apply方法

 

apply方法介绍

方法形式为 apply(func, axis=0, raw=False, result_type=None, agrs=(), **kwargs)，沿Dataframe的轴应用func函数。

传递给函数的对象是Series对象，当axis=0时，其索引是Dataframe的索引；当axis=1时，其索引是Dataframe的列。

默认情况下，result_type=None，最终返回的类型是从func函数的返回推断出来的，否则它就取决于result_type参数。

参数解析：

  • func：函数，要应用于每一列或每一行的函数。
  • axis：默认为0，0对应行索引，将func函数应用于每一列；1对应列，将函数应用于每一行。
  • raw：布尔值，默认为False,确定行或列是否作为Series或ndarray对象传递。
    • False：将每一行或每一列作为一个Series对象传递给函数；
    • True：函数将接收ndarray对象。
  • result_type：可选值有expand，reduce，broadcast，None，默认为None。
    • 默认为None时，返回结果取决于func函数的返回值，类似列表的结果将返回这些结果组成的Series，如果返回Series，则会将Series扩展为列。
    • expand：在axis=1时其作用，类似列表的结果将变成列。
    • reduce：在axis=1时其作用，如果可以，返回一个Series，而不是扩展类似列表的结果。
    • broadcast：在axis=1时其作用，结果将被广播到Dataframe的原始形状，原始行索引和列将会被保留。
  • args：元组，除了数组和Series之外，要传递给func的位置参数。
  • **kwargs：传递给func的附加关键字参数。

返回：

  • func函数沿Dataframe的给定轴应用的结果。

 

用例1

导入包

import pandas as pd
import numpy as np

df = pd.DataFrame([[4, 9]]*3,  columns=['A', 'B'])
df

输出：

image-20220426172924956

使用numpy中的通用函数。

df.apply(np.sqrt)   # 相当于np.sqrt(df)

输出：

image-20220426172937375

 

用例2

在任一轴上应用函数, 返回由类似列表的结果组成的Series。

df.apply(np.sum, axis=0)

输出：

A 12
B 27
dtype: int64

df.apply(np.sum, axis=1)

输出：

0 13
1 13
2 13
dtype: int64

df.apply(lambda x :[1, 2], axis=1)

输出：

0 [1, 2]
1 [1, 2]
2 [1, 2]
dtype: object

 

用例3

传递result_type=expand，会将类似列表的结果扩展到Dataframe的列。

df.apply(lambda x : [1, 2], axis=1, result_type='expand')

输出：

image-20220426172853152

在func函数内部返回一个Series，和传递result_type=expand相似，Series的索引将作为扩展的列名。

df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)

输出：

image-20220426172829809

传递result_type=broadcast，将会返回相同形状的结果，无论是列表还是标量，将沿轴进行广播，列的名称还是原始名称。

df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')

输出：

image-20220426172808560

 

总结

关于pandas进阶教程之Dataframe的apply方法的文章就介绍至此，更多相关pandasDataframe的apply方法内容请搜索编程宝库以前的文章，希望以后支持编程宝库！

yolov5的代码模型构建是通过.yaml文件实现的，初次看上去会一头雾水，这里记录一下，也方便自己后面用到的时候查看。 以models/yolov5s.yaml为例文件内容如下：# Pa ...